|
|||||
|
|
| 基于支持向量机的决策系统知识发现 | |
| 引用本文： | 魏玲,祁建军,张文修.基于支持向量机的决策系统知识发现[J].西安交通大学学报,2003,37(10):995-998. |
| 作者姓名： | 魏玲 祁建军 张文修 |
| 作者单位： | 1. 西安交通大学理学院,710049,西安 2. 西安交通大学电子与信息工程学院,710049,西安 |
| 摘 要： | 从规则获取和类别预报两方面研究支持向量机(SVM)方法在决策系统知识发现中的应用。对于规则获取，用SVM对决策系统进行条件属性约简并提取特征对象，进而基于较少的特征对象提取规则，使得规则获取的难度和速度都有所改善；对于类别预报，利用SVM对决策系统的对象进行分类，得到一个简单的判决函数。该判决函数可以完成对样本的类别预报，起到与决策规则类似的作用，而且此方法比传统方法简单易行。实验表明，将SVM方法用于决策系统的知识发现，不仅简便可行，而且可以提高速度。对于较大的决策系统更能体现出该方法的优越性。 |
| 关 键 词： | 决策系统 支持向量机 知识发现 属性约简 规则获取 类别预报 |
| 文章编号： | 0253-987X(2003)10-0995-04 |
| 修稿时间： | 2003年3月13日 |
SVM-Based Knowledge Discovery in Decision System |
|
| Abstract: | |
| Keywords: | decision system support vector machine knowledge discovery attribute reduction rules acquisition class forecast |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |